Model selection for multi-class support vector machines
Destek vektör makinalarında model seçimi
- Tez No: 196780
- Danışmanlar: PROF. DR. LEVENT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
1üOZETË şË ËDESTEK VEKTOR MAKINALARINDA MODEL SECIMIDestek Vektür Makinaları (DVM), temeli istatistiksel ügrenme teorisine dayanan,o oğgüclü ve sık kullanılan ügrenme algoritmalarıdır. DVM'ler eğitilirken, data, doğrusaluş u oğ g golmayan bir şekirdek fonksiyon kullanılarak yüksek boyutlu bir uzaya taşınır ve pozitifc u sve negatif ürnekleri ayıran büyükşe marjlı bir ustün yüzey bulunur. En iyi şekirdeko uuc üu u cfonksiyonu seşmek ve ıkıden fazla sınıï¬ı probleme genellemek, DVM'lerdeki temel prob-clemlerdir.Literatürde, en iyi şekirdek fonksiyon deneme yanılma ile seşilmektedir. Bizu c cen iyi şekireği şapraz-geşerlemeye dayalı model seşimi ile bulmayı üneriyoruz. Adayc gc c c osınıï¬andırıcılar değişik şekirdeklerle eğitilir ve 5 à 2 şapraz-geşerleme F testi kul-gs c g c cülanılarak en iyi model seşilerek melez modeller oluşturulur. Onerilen melez modelinc sperformansı, bire karşı hepsi ve ikili sınıï¬andırma yüntemlerini kullanan DVM'lerles okarşılaştırılmıştır. Karşılaştırmada doğruluk ve karmaşıklık (saklanan destek vektürle-ss s ss g s orinin sayısıyla orantılı) kriterleri kullanılmıştır.sËIki sınıf problemi işin tanımlanmış olan temel destek vektür makinasının ikidenc s ofazla sınıf problemi işin genişletilmesi gerekmektedir. Bunun işin, ünerdiğimiz melezc s co gmodelleri bire karşı hepsi, ikili sınıï¬andırma ve hata düzelten şıktı kodları (HDCK) kul-s u c şülanan yüntemler işinde kullandık. Onerdiğimiz melez modellerin HDKC ile kullanımı,o c g şşok sınıï¬ı problemlerde karmaşıklığı belirgin bir şekilde artırmadan başarılı sonuşlarc sg s s cverdi.
Özet (Çeviri)
1ABSTRACTMODEL SELECTION FOR MULTI-CLASS SUPPORTVECTOR MACHINESSupport Vector Machines (SVMs) are widely used, powerful learning algorithmsbased on statistical learning theory. In SVM learning, the data are mapped to a highdimensional space via a non-linear kernel function and a maximal margin hyper-planeseparating the positive and negative instances is found in this new space. Choosing thebest kernel and generalization to multi-class cases are fundamental problems in SVMlearning.In literature, the best kernel function is chosen by using trial and error. Wepropose to use a cross-validation based model selection method to ï¬nd the optimalkernel. Candidate classiï¬ers, with diï¬erent kernels are trained and hybrid modelsare built by selecting the best model using the 5 à 2 cross-validation F test. Theperformance of the proposed hybrid model is compared to the performances of classicalSVMs in one vs. all (OVA) and pairwise classiï¬cation schemes in terms of accuracyand complexity (as measured by the number of support vectors stored).The basic two-class support vector machine needs to be extended to handle themulti-class problems and for this purpose, we incorporate our proposed hybrid modelsin one vs. all , pairwise and error-correcting output code (ECOC) schemes. We see thatthe proposed hybrid model together with ECOC ï¬nds accurate solutions for multi-classproblems without signiï¬cantly increasing complexity.
Benzer Tezler
- Blockchain driven secure and private machine learning algorithms for post quantum 5G/6G enabled industrial IoT with applications to cybersecurity and health
Kuantum sonrası 5G/6G ile etkinleştirilmiş endüstriyel IoT ve ilgili siber güvenlik ve sağlık uygulamaları için blok zincir güdümlü güvenli ve mahremiyet koruyucu makine öğrenimi algoritmaları
ARTRIM KJAMILJI
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT LEVİ
PROF. DR. ERKAY SAVAŞ
- Automatic topic categorization of turkish faxed bank documents in the presence of ocr errors
Türkçe fakslanmış banka belgelerinin okt hataları varlığında otomatik konu sınıflandırması
SEÇİL ÖZTÜRK
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT SARAÇLAR
PROF. DR. MEHMET BÜLENT SANKUR
- Hakem atama otomasyonu için bir karar destek sistemi: Doğal dil işleme ve veri-güdümlü optimizasyon ile bütünleşik bir yaklaşım
A decision support system for reviewer assignment automation: An integrated approach with natural language processing and data-driven optimization
MELTEM AKSOY
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
PROF. DR. MEHMET FATİH AMASYALI
- Diyabetik ayak hastalarının ampütasyon riskinin yapay zekâ teknikleri ile öngörülmesi
Prediction of amputation risk of patients with diabetic foot by artificial inteligence techniques
DENİZHAN DEMİRKOL
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- Yüksek çözünürlüklü uydu görüntüleri kullanarak benzer spektral özelliklere sahip doğal nesnelerin ayırt edilmesine yönelik bir metodoloji geliştirme
Developing a methodology for discriminating natural objects having spectrally similar features using very high resolution satellite imagery
İSMAİL ÇÖLKESEN
Doktora
Türkçe
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU